La accidentalidad en Medellín es un problema actual en el cual como ciudadanos debemos buscar soluciones para disminuir los incidentes viales.El objetivo de este trabajo es predecir la accidentalidad en la ciudad de Medellín mediante modelos predictivos para pronosticar la accidentalidad por clase de accidente a nivel diario, semanal, mensiual y anual. Los datos fueron obtenidos de la base de datos incidentes viales del portal MetaData suministrada por la Secretaría de Movilidad de la Alcaldía de Medellín en la cual se encuentran accidentes de tránsito desde julio del 2014 hasta agosto del 2020.
Esta base de datos se descargó el 8 de noviembre del 2021 en formato CSV y tiene como fecha de actualización 6 de marzo del 2021. El total de registros de la base de datos es de 270765 contenidas 17 variables, las cuales son las siguientes:
AÑO: Año de ocurrencia del incidente.
CBML: Código catastral que corresponde al código comuna, barrio, manzana, lote catastral de un predio.
CLASE_DE_ACCIDENTE: choque, atropello, volcamiento, caída de ocupante, incendio, u otro (que no corresponde a las anteriores 5 clasificaciones, p. ej: sumersión).
DIRECCION: Dirección donde ocurrió el incidente.
DIRECCION_ENCASILLADA: Dirección encasillada que entrega el geocodificador.
DISEÑO: Sitio de la vía donde ocurrió el accidente: Cicloruta, Glorieta, Interseccion, Lote o Predio, Paso a Nivel, Paso Elevado, Paso Inferior, Pontón, Puente, Tramo de via, Tunel, Via peatonal.
EXPEDIENTE: Consecutivo que asigna UNE, según el orden de llegada de los expedientes para su diligenciamiento.
FECHA_ACCIDENTE: Fecha del accidente, proviene del IPAT - Informe Policial de accidente de Tránsito.
FECHA_ACCIDENTES: Fecha de los accidente (formato YYYY-MM-DD hh:mi:ss), proviene del IPAT - Informe Policial de accidentes de Tránsito.
GRAVEDAD_ACCIDENTE: Clasificación del IPAT - Informe Policial de Accidentes de Tránsito, sobre la gravedad del accidente, corresponde al resultado más grave presentado en el accidente. Daños materiales “Sólo daños”, accidente con heridos “Herido”, accidente con muertos “Muerto”. No indica cantidad true.
MES: Mes de ocurrencia del incidente vial.
NRO_RADICADO: Consecutivo que asigna UNE, según el orden de llegada de los expedientes para su diligenciamiento.
NUMCOMUNA: Número de la comuna en la que ocurrio incidente vial.
COMUNA: Denominación con la cual se identifica cada Comuna o Corregimiento. 01:Popular 02:Santa Cruz 03:Manrique 04:Aranjuez 05:Castilla 06:Doce de Octubre 07:Robledo 08:Villa Hermosa 09:Buenos Aires 10:La Candelaria 11:Laureles - Estadio 12:La América 13:San Javier 14:El Poblado 15:Guayabal 16:Belén 50:San Sebastián de Palmitas 60:San Cristobal 70:Altavista 80:San Antonio de Prado 90:Santa Elena 99:Toda la Ciudad.
LOCATION: Fuente de información con la cual se realizó la geocodificación.
X: Coordenada X en metros del accidente, en sistema de coordenadas MAGNA Medellín Local.
Y: Coordenada Y en metros del accidente, en sistema de coordenadas MAGNA Medellín Local.
Además para los modelos predictivos se agregarón como variable sindicadores los dias festivos y ferias. En las ferias seincluyen dias como feria de flores, festival internacional del tango, festival internacional del Jazz y festival del humor.
El preprocesamiento, limpieza y depuración de la base de y todo el codigo para el desarrollo de este proyecto se encuentra en el siguiente link.
| x | |
|---|---|
| AÑO | 26760 |
| CBML | 19118 |
| CLASE_ACCIDENTE | 6 |
| DIRECCION | 0 |
| DIRECCION ENCASILLADA | 391 |
| DISEÑO | 1148 |
| EXPEDIENTE | 110 |
| FECHA_ACCIDENTE | 6 |
| FECHA_ACCIDENTES | 0 |
| GRAVEDAD | 0 |
| MES | 0 |
| NRO_RADICADO | 37 |
| NUMCOMUNA | 0 |
| BARRIO | 19006 |
| COMUNA | 12798 |
| LOCATION | 0 |
| X | 0 |
Para mejorar la base de datos se modificaron registros que estaban escritos incorrectamente en las siguientes variables: CLASE_ACCIDENTE, DISEÑO,COMUNA, BARRIO y GRAVEDAD.
La variable FECHA_ACCIDENTES se modificó en formato año-mes-día-hora-minutos-segundos y se añadieron las variables DIA, MES, AÑO, HORA, DIA_MES, SEMANA y DIA_AÑO.
En COMUNA la información suministrada como (0, AU, IN, SN, No Georef, Sin Inf) se asignó como NA.
La variable BARRIO se encontró que algunos aparecen con sus nombres y otros con su número, por medio de una base de datos externa de la Alcaldía de Medellín verificada por el Departamento Nacional de Planeación se reemplazaron los números y se asignó su respectivo nombre. Para el análisis solo se tuvo en cuenta los barrios excluyendo a los corregimientos.
La variable LOCATION se separó en dos variables LATITUD y LONGITUD. Las coordenadas 6.22141524356,-75.7037762763 de la variable LOCATION se encuentrán fuera de Medellín, por tanto no se tuvieron en cuenta en el desarrollo del trabajo.
En la variable CLASE_ACCIDENTE las categorías incendio y volcamiento se agregaron a la clase Otro. En consecuencia, esta variable queda con las siguientes categorias: Atropello, Caída Ocupante, Choque y Otro.
Finalmente la base de datos limpia contiene 242533 registros y 16 variables que son: CLASE_ACCIDENTE, GRAVEDAD, DISEÑO, COMUNA, BARRIO, LATITUD, LONGITUD, FECHA_ACCIDENTES, FECHA_ACCIDENTE, AÑO, MES, DIA_MES, SEMANA, DIA, DIA_AÑO y HORA. El 10.43% es el porcentaje de la información de los datos originales que no se tuvo en cuenta para la realización del trabajo.
## 'data.frame': 242533 obs. of 16 variables:
## $ CLASE_ACCIDENTE : chr "Otro" "Choque" "Choque" "Otro" ...
## $ GRAVEDAD : chr "Con heridos" "Con heridos" "Con heridos" "Con heridos" ...
## $ DISEÑO : chr "Tramo de via" "Interseccion" "Tramo de via" "Tramo de via" ...
## $ COMUNA : chr "Laureles Estadio" "Castilla" "El Poblado" "Villa Hermosa" ...
## $ BARRIO : chr "Los Conquistadores" "Girardot" "Patio Bonito" "Villa Hermosa" ...
## $ LATITUD : num 6.24 6.3 6.21 6.26 6.25 ...
## $ LONGITUD : num -75.6 -75.6 -75.6 -75.6 -75.6 ...
## $ FECHA_ACCIDENTES: chr "2014-08-05 07:15:00" "2014-08-05 14:30:00" "2014-08-05 15:50:00" "2014-08-05 13:00:00" ...
## $ FECHA_ACCIDENTE : chr "2014-08-05" "2014-08-05" "2014-08-05" "2014-08-05" ...
## $ AÑO : int 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 ...
## $ MES : int 8 8 8 8 8 8 8 8 8 8 ...
## $ DIA_MES : int 5 5 5 5 5 5 5 5 5 5 ...
## $ SEMANA : int 31 31 31 31 31 31 31 31 31 31 ...
## $ DIA : chr "Mar" "Mar" "Mar" "Mar" ...
## $ DIA_AÑO : int 217 217 217 217 217 217 217 217 217 217 ...
## $ HORA : num 7.25 14.5 15.83 13 19.5 ...
| CLASE_ACCIDENTE | GRAVEDAD | DISEÑO | COMUNA | BARRIO | LATITUD | LONGITUD | FECHA_ACCIDENTES | FECHA_ACCIDENTE | AÑO |
|---|---|---|---|---|---|---|---|---|---|
| Otro | Con heridos | Tramo de via | Laureles Estadio | Los Conquistadores | 6.239787 | -75.58931 | 2014-08-05 07:15:00 | 2014-08-05 | 2014 |
| Choque | Con heridos | Interseccion | Castilla | Girardot | 6.300041 | -75.57082 | 2014-08-05 14:30:00 | 2014-08-05 | 2014 |
| Choque | Con heridos | Tramo de via | El Poblado | Patio Bonito | 6.208748 | -75.57657 | 2014-08-05 15:50:00 | 2014-08-05 | 2014 |
| Otro | Con heridos | Tramo de via | Villa Hermosa | Villa Hermosa | 6.259058 | -75.55125 | 2014-08-05 13:00:00 | 2014-08-05 | 2014 |
| Choque | Con heridos | Tramo de via | La Candelaria | Los Ángeles | 6.249966 | -75.55615 | 2014-08-05 19:30:00 | 2014-08-05 | 2014 |
| Atropello | Con heridos | Tramo de via | Aranjuez | Manrique Central No.1 | 6.265270 | -75.55540 | 2014-08-05 11:30:00 | 2014-08-05 | 2014 |
Se encuentrá que la mayor causa de accidentes es por choques.
Los accidentes con heridos son mayormente causados por choques y otras causas
La frecuencia de accidentes donde involucra muertes es muy inferior comparativamente con las demás categorías de gravedad.
Se visualiza que se presenta una mayor accidentabilidad los días Martes,Miércoles,jueves y viernes.Se infiere que el día viernes se presenta mayor accidentabilidad porque comienza fin de semana provocando más movilidad en la ciudad de Medellín y el día domingo disminuye notablemente la accidentabilidad en el cual muchas personas no laboran y hay menos flujo vehicular.
En el mes de agosto y julio es donde el número de accidentes es superior , en julio esto puede darse por el periodo de vacaciones y en agosto por algunos eventos relacionados con feria de flores.En enero, abril y junio se presenta la menor accidentabilidad.
En el año 2016 se presentó la mayor accidentabilidad, El número de accidentes para el 2020 es bajo debido a la crisis sanitaria que afrontaba el mundo por motivos del COVID-19 y se debe tener en cuenta que los registros en este año solo son hasta el 31 de agosto.
Durante el dia, el mayor número de accidentes ocurren en las hora pico, alrededor de las 6am, 12pm y 6pm.
Para la predicción del número de acciedentes se usarón técnicas de regresión como: Lasso, Ridge, Poisson y Arboles. Para seleccionar el modelo adecuado se usó como métrica el error cuadrático medio ECM. El objetivo es encontrar un modelo que el ECM en los datos de prueba no sea superado en un 15% por el ECM de los datos de entreno.
Cada una de las regresiones se usó para modelar el número de accidentes de acuerdo a las clases de accidentes (atropello,caída de ocupante,choque y otro).
Los modelos ganadores fueron los siguientes: - Caída de ocupante: Regresión Poisson. - Atropello: Regresión Poisson. - Choque: Regresión Ridge, - Otro: Regresión Ridge
En cada uno de los modelos se observó que el ECM de las predicciones para el año 2020 son superiores a lo encontrado en el conjunto de datos de entreno y prueba. Esto se debe a que el confinamiento implicó que el número de vehiculos en circulación por la ciudad disminuyera ocasionando una reduccion en la accidentabilidad. Este cambio estructural causado por la pandemia trae como consecuencia una sobreestimación en la predicción.
Los datos de entrenamiento para los modelos predictivos son los registros de accidentes de los años 2014,2015,2016 y 2017. Para validar los modelos se usan los accidentes de los años 2018 y 2019.
En la categoría Caída de ocupante el mejor modelo predictivo es el modelo de arboles de regresion.
| ridge | lasso | poisson | rp |
|---|---|---|---|
| 9.379692 | 10.06574 | 8.635855 | 8.305773 |
| 10.963564 | 11.62927 | 8.926744 | 7.462197 |
| 9.325817 | 10.54020 | 6.494703 | 6.418676 |
En la categoría Atropello el mejor modelo predictivo es el modelo de regresión poisson, la ecuación del modelo ajusttado se presenta a continuación.
\[Casos_{Atropello, i}=Exp(\beta_{0}+\beta_{1,k}\cdot GRAVEDAD_i+\beta_{2,m}\cdot DISEÑO_i+\beta_3\cdot AÑO+\\ \beta_4 \cdot MES+\beta_{5,p}\cdot DIA+\beta_6\cdot SEMANA+\beta_7\cdot DIAMES+\beta_8\cdot FERIA+\beta_9\cdot FESTIVO)\]
El resumen de los parámetros ajustados se muestra en la siguiente tabla.
| Estimate | Std. Error | z value | Pr(>|z|) | |
|---|---|---|---|---|
| (Intercept) | 252 | 16.88 | 14.93 | 2.245e-50 |
| GRAVEDADCon muertos | 0.1503 | 0.2146 | 0.7004 | 0.4837 |
| DISEÑOGlorieta | -0.2017 | 0.2063 | -0.9774 | 0.3284 |
| DISEÑOInterseccion | 0.2282 | 0.1358 | 1.681 | 0.09273 |
| DISEÑOLote o Predio | 0.3205 | 0.1373 | 2.334 | 0.01961 |
| DISEÑOOtro | -0.2329 | 0.2471 | -0.9426 | 0.3459 |
| DISEÑOPaso Elevado | -0.07035 | 0.2652 | -0.2653 | 0.7908 |
| DISEÑOPuente | -0.1987 | 0.2553 | -0.778 | 0.4366 |
| DISEÑOTramo de via | 1.975 | 0.1329 | 14.86 | 5.816e-50 |
| AÑO | -0.1248 | 0.008372 | -14.9 | 3.126e-50 |
| MES | -0.2886 | 0.1286 | -2.244 | 0.02485 |
| DIAJue | 0.09345 | 0.03269 | 2.858 | 0.004261 |
| DIALun | 0.06194 | 0.03385 | 1.83 | 0.06726 |
| DIAMar | 0.1052 | 0.03364 | 3.128 | 0.001761 |
| DIAMie | 0.0962 | 0.03368 | 2.857 | 0.00428 |
| DIASab | 0.221 | 0.03174 | 6.964 | 3.297e-12 |
| DIAVie | 0.141 | 0.03214 | 4.389 | 1.138e-05 |
| SEMANA | 0.06468 | 0.02957 | 2.187 | 0.02872 |
| DIA_MES | -0.01006 | 0.004332 | -2.322 | 0.02026 |
| FERIA | 0.06147 | 0.03019 | 2.036 | 0.04176 |
| FESTIVO | -0.1854 | 0.04415 | -4.198 | 2.691e-05 |
| ridge | lasso | poisson | rp |
|---|---|---|---|
| 5.877544 | 6.210015 | 5.066996 | 5.464242 |
| 5.898374 | 5.832197 | 4.626823 | 4.478111 |
| 8.670564 | 9.386586 | 5.281696 | 7.030165 |
Aunque para la clase de Choque, los modelos Poisson y Arboles tienen un menor ECM, no los seleccionamos ya que son susceptibles a un sobreentrenamiento. Por tal motivo, se decidio seleccionar Ridge como modeo adecuado.
Para la estimación del modelo Ridge se minimiza la funcion \(RSS_{Ridge}\) e funcion de los parametros.
\[RSS_{Ridge}=\sum_{i=1}^n(y_i-f(x_i))^2+\sum_{i=1}^p\beta_j^2\]
donde:
\[f(x) = \beta_{0}+\beta_{1,k}\cdot GRAVEDAD_i+\beta_{2,m}\cdot DISEÑO_i+\\ \beta_3\cdot AÑO+\beta_4\cdot MES+\beta_{5,p}\cdot DIA+\beta_6\cdot SEMANA+\beta_7\cdot DIAMES+\beta_8\cdot FERIA+\beta_9\cdot FESTIVO\]
Se observa que un gran número de parámetros son relevantes para el modelo. El \(\lambda=1.045628\) optímo se encuentra por medio de validación cruzada.
| s1 | |
|---|---|
| (Intercept) | -284.9952594 |
| GRAVEDADCon muertos | 2.7472551 |
| GRAVEDADSolo daños | 5.9806899 |
| DISEÑOGlorieta | -5.4375785 |
| DISEÑOInterseccion | 1.3447691 |
| DISEÑOLote o Predio | -5.8460084 |
| DISEÑOOtro | -5.1184469 |
| DISEÑOPaso Elevado | -5.7315862 |
| DISEÑOPuente | -6.3898320 |
| DISEÑOTramo de via | 19.8555979 |
| AÑO | 0.1416731 |
| MES | 0.0377922 |
| DIAJue | 3.2199113 |
| DIALun | 3.4184527 |
| DIAMar | 3.7987749 |
| DIAMie | 3.2734039 |
| DIASab | 2.6654523 |
| DIAVie | 3.8282600 |
| SEMANA | 0.0063211 |
| DIA_MES | -0.0052129 |
| FERIA | 0.4794229 |
| FESTIVO | -5.6055681 |
| ridge | lasso | poisson | rp |
|---|---|---|---|
| 46.55747 | 54.76882 | 20.20910 | 20.48308 |
| 46.60063 | 49.62509 | 31.81894 | 33.47314 |
| 96.32260 | 86.17606 | 113.14570 | 113.82900 |
En la clase de accidente otros la cual esán incluidas las categorías de volcamiento, incendio y otras causas se seleccionó como mejor modelo la regresión Ridge ya que el ECM de entreno y prueba son los mas cercanos.
El \(\lambda=0.4100249\) optimo se encontró por medio de validación cruzada. Los parámetros ajustados se presentan en la siguiente tabla.
| s1 | |
|---|---|
| (Intercept) | 358.9183641 |
| GRAVEDADCon muertos | 0.2168449 |
| GRAVEDADSolo daños | -8.4488274 |
| DISEÑOGlorieta | -2.8487992 |
| DISEÑOInterseccion | -2.5891139 |
| DISEÑOLote o Predio | -0.1606210 |
| DISEÑOOtro | -3.2405619 |
| DISEÑOPaso Elevado | -3.4002645 |
| DISEÑOPuente | -3.3877005 |
| DISEÑOTramo de via | 7.2796846 |
| AÑO | -0.1762888 |
| MES | -0.0032403 |
| DIAJue | 1.5396779 |
| DIALun | 1.3225764 |
| DIAMar | 1.2814960 |
| DIAMie | 1.3290905 |
| DIASab | 0.6987911 |
| DIAVie | 1.2770374 |
| SEMANA | -0.0019120 |
| DIA_MES | 0.0008154 |
| FERIA | 0.5809350 |
| FESTIVO | -1.3213356 |
| ridge | lasso | poisson | rp |
|---|---|---|---|
| 17.37564 | 18.65867 | 14.97200 | 14.55689 |
| 19.76217 | 21.69503 | 20.05122 | 17.30424 |
| 20.73500 | 23.47058 | 20.52860 | 20.81062 |
Para el agrupamiento se utilizó la base de datos previamente depurada, a partir de esta se crearon varaiables asociadas a cada uno de los barrios tales como: accidentes con muertos, heridos, solo daños,atropello,caída de ocupante,choque, otro y la proporción de accientes ocurridos en días laborales (semana).
| Con heridos | Con muertos | Solo daños | Atropello | Caída Ocupante | Choque | Otro | Semana |
|---|---|---|---|---|---|---|---|
| 66 | 1 | 20 | 25 | 17 | 36 | 9 | 0.5977 |
| 198 | 1 | 433 | 18 | 19 | 542 | 53 | 0.8608 |
| 722 | 5 | 308 | 109 | 113 | 605 | 208 | 0.7121 |
| 818 | 5 | 347 | 153 | 185 | 568 | 264 | 0.7222 |
| 476 | 1 | 301 | 49 | 122 | 503 | 104 | 0.7776 |
| 224 | 3 | 147 | 63 | 30 | 216 | 65 | 0.7193 |
| Con heridos | Con muertos | Solo daños | Atropello | Caída Ocupante | Choque | Otro | Semana | |
|---|---|---|---|---|---|---|---|---|
| Min. : 0.0 | Min. : 0.00 | Min. : 0.0 | Min. : 0.00 | Min. : 0.00 | Min. : 0.0 | Min. : 0.00 | Min. :0.0000 | |
| 1st Qu.: 165.5 | 1st Qu.: 1.00 | 1st Qu.: 86.0 | 1st Qu.: 28.00 | 1st Qu.: 24.25 | 1st Qu.: 149.0 | 1st Qu.: 41.25 | 1st Qu.:0.6917 | |
| Median : 359.0 | Median : 2.00 | Median : 200.5 | Median : 63.00 | Median : 58.00 | Median : 334.0 | Median : 92.50 | Median :0.7349 | |
| Mean : 489.2 | Mean : 4.77 | Mean : 404.3 | Mean : 85.12 | Mean : 76.53 | Mean : 609.6 | Mean :127.01 | Mean :0.7278 | |
| 3rd Qu.: 674.8 | 3rd Qu.: 6.00 | 3rd Qu.: 461.0 | 3rd Qu.: 109.75 | 3rd Qu.:108.75 | 3rd Qu.: 750.8 | 3rd Qu.:177.50 | 3rd Qu.:0.7743 | |
| Max. :2492.0 | Max. :29.00 | Max. :3438.0 | Max. :1007.00 | Max. :411.00 | Max. :4134.0 | Max. :711.00 | Max. :0.8608 |
Del anterior gráfico se observa que las variables de accidebtabilidad asociada a los barrios tiene una correlación positiva y alta. Ademaás todas las distribuciones son sesgadas a la derecha indicando que la mayoría de barrios tienen baja frecuecnia de casos.
Para agupar los barrios se usa el algoritmo de knn de la siguiente forma:
A continuación se muestran los barrios, con la clasificación de los grupos en función del numero de centroides.
| BARRIO | K2 | K3 | K4 | K5 | K6 | K7 | K8 | K9 | K10 |
|---|---|---|---|---|---|---|---|---|---|
| Aldea Pablo VI | 2 | 3 | 4 | 4 | 1 | 7 | 2 | 6 | 3 |
| Alejandría | 2 | 3 | 3 | 5 | 3 | 2 | 1 | 3 | 2 |
| Alejandro Echavarría | 2 | 2 | 3 | 3 | 2 | 1 | 5 | 7 | 9 |
| Alfonso López | 2 | 2 | 3 | 3 | 2 | 1 | 5 | 7 | 9 |
| Altamira | 2 | 3 | 3 | 5 | 3 | 1 | 1 | 2 | 7 |
| Altavista | 2 | 3 | 4 | 4 | 1 | 2 | 8 | 5 | 4 |
De acuerdo al desempeño del agrupamiento en función de los k grupos, se decide que el k apropiado es \(k=4\). Ya que el paso de \(k=4\) a \(k=5\) la diferencia en la metrica no es muy relevante.
A este grupo pertenecen 13 barrios de la ciudad de Medellín, los cuales presentan una alta accidentabilidad. Son los que presentan un mayor número en las clases y gravedad de accidentes, además son los que tiene una mayor porporción de accidentes durante la semana laboral.
A este grupo pertenecen 24 barrios de la ciudad de Medellín, los cuales presentan una alta accidentabilidad, pero en todas las variables los registros son menores a los registrados en el grupo de accidentabilidad alta critica.
A este grupo pertenecen 79 barrios de la ciudad de Medellín. En comparacion con el grupo de accidentabilidad alta crítica, este grupo tiene en promedio el 33% del número de accidentes en heridos, 25% en muertes y 20% de solo daños. este mismo comportamiento se evidencia en Atropello, caída de ocupante, Choque y otros.
A este grupo pertenecen el 57% de los barrios, este gruopo se caracteeriza por tener un numero de accidentes bajo comparativamente con los otros. Sin embargo lo mas caracteristico es que en promedio, los muertos es de 1.7.
| grupo | Con heridos | Con muertos | Solo daños | Atropello | Caída Ocupante | Choque | Otro | Semana |
|---|---|---|---|---|---|---|---|---|
| Accidentabilidad Alta Crítica | 1863.3846 | 21.307692 | 2232.5385 | 320.23077 | 255.23077 | 3084.1538 | 457.61538 | 0.8030615 |
| Accidentabilidad Alta Moderada | 1114.3750 | 12.166667 | 1206.2917 | 149.66667 | 152.33333 | 1752.7917 | 278.04167 | 0.7878458 |
| Accidentabilidad Moderada | 620.6582 | 5.683544 | 427.4557 | 99.77215 | 100.86076 | 689.6203 | 163.54430 | 0.7489722 |
| Accidentabilidad Baja | 208.4091 | 1.753247 | 113.0260 | 47.70130 | 37.14286 | 181.5260 | 56.81818 | 0.7012578 |
| grupo | Con heridos | Con muertos | Solo daños | Atropello | Caída Ocupante | Choque | Otro | Semana |
|---|---|---|---|---|---|---|---|---|
| Accidentabilidad Alta Crítica | 1766 | 22 | 2082.0 | 237.0 | 242.0 | 2885 | 409 | 0.80070 |
| Accidentabilidad Alta Moderada | 1056 | 12 | 1143.0 | 133.0 | 132.0 | 1677 | 260 | 0.78040 |
| Accidentabilidad Moderada | 635 | 5 | 433.0 | 92.0 | 94.0 | 663 | 164 | 0.74480 |
| Accidentabilidad Baja | 179 | 1 | 109.5 | 34.5 | 28.5 | 178 | 48 | 0.70875 |
| grupo | Con heridos | Con muertos | Solo daños | Atropello | Caída Ocupante | Choque | Otro | Semana |
|---|---|---|---|---|---|---|---|---|
| Accidentabilidad Alta Crítica | 459.2544 | 6.459936 | 476.50649 | 231.50168 | 65.74592 | 617.0593 | 139.97591 | 0.0122450 |
| Accidentabilidad Alta Moderada | 353.0624 | 6.531973 | 293.31204 | 75.36443 | 78.09730 | 322.4147 | 118.18316 | 0.0326335 |
| Accidentabilidad Moderada | 180.9440 | 4.241263 | 153.89622 | 60.33495 | 48.34219 | 191.2671 | 57.44290 | 0.0402900 |
| Accidentabilidad Baja | 142.4176 | 1.816093 | 81.17261 | 39.61566 | 31.03433 | 123.1076 | 41.76646 | 0.1007089 |
A continuación se presentan el mapa con los barrios distinguidos por un color según el grupo:
Geograficamente se observa que los barrios que tienen una mayor accidenttabilidad se encuentran en el centro de la cuidad o son barrios de gran tamaño. Por otro lado, los barrios con menor accidentabilidad se encuentran en la periferia de la ciudad.
## OGR data source with driver: ESRI Shapefile
## Source: "C:\Users\Vanegas\Documents\GitHub\TAE\Trabajo 1\Barrios de Medellín\Barrio_Vereda.shp", layer: "Barrio_Vereda"
## with 332 features
## It has 6 fields
## Integer64 fields read as strings: OBJECTID SUBTIPO_BA